Человек - не снаряд, ищущий цель. Модель ТОТЕ, которую мы описывали в главе 5, как базовую модель для целенаправленного действия, в сороковые годы была новейшей интерпретацией целенаправленного - пусть даже машинального — поведения. Однако с тех пор в данной области появилось много нового. А именно, в области искусственного интеллекта были обнаружены возможности для расширения модели ТОТЕ. Учитывая тот факт, что модель ТОТЕ предоставляла больше возможностей, чем модель «стимул - ответная реакция» («черный ящик»), которая широко применялась в психологии в шестидесятые годы, приспосабливание ТОТЕ в качестве модели для целенаправленного действия человека стало шагом вперед.
Бехавиористы (behavioristen), которые превратили психологию из «науки о духовной жизни» в «изучение поведения», считали, что душа человека относится к сфере, не поддающейся изучению. По их мнению, узнать что-либо о душе можно было лишь на основании исследования того, как (другими словами, с какой ответной реакцией) она реагирует на впечатления (стимулы). Непосредственное исследование мыслительных процессов в форме интроспекции - когда кто-то описывает свое внутреннее впечатление - было объявлено ими не научным. В этой ситуации модель ТОТЕ, по крайней мере, оставляла пространство внутренним процессам. Черный ящик был открыт и наполнен информацией, тестами, критериями, операциями, петли «feed-back» и т. д. В нем снова что-то было, и это было прекрасно. Заговорили даже о «когнитивной революции», так как можно было снова исследовать мысли.
| Модель «черный ящик» с ТОТЕ |
Как мы уже говорили прежде, ТОТЕ не является полной моделью целенаправленного действия человека. Она скорее представляет собой минимальную структуру, чем полную модель. С ТОТЕ связаны три важных препятствия: (а) данная модель может привести к бесконечной цепочке бесполезных операций (к примеру, «охота»), (б) данная модель может привести к «ошибочному оптимуму», и (в) данная модель практически ничему не учит.
«Охота» («Hunting»)
Представим себе — просим прощения за милитаристскую метафору — что ракета SAM намерена поразить с воздуха другую ракету. Если эта ракета не умеет предвосхищать, где будет находиться через какое-то время ракета, являющаяся ее целью, она может охотиться за этой ракетой бесконечно. Ведь для того, чтобы попасть в цель, ракета должна установить ее точное местонахождение, определить свой курс, необходимый для попадания в цель, сравнить желаемый курс со своим нынешним курсом и привести свой нынешний курс в соответствие с желаемым курсом. То есть ее действия осуществляются в полном соответствии с моделью ТОТЕ. Между тем другая ракета постоянно меняет свое местонахождение. Следовательно, нашей ракете необходимо постоянно корректировать свой курс. Но другая ракета снова оказывается где-то в другом месте и т. д.
Ошибочный оптимум
Шар, ищущий цель, в нижеприведенной схеме осуществляет свои действия всецело в соответствии с моделью ТОТЕ. Его цель — попасть в самую глубокую яму. В данный момент шар попал в неглубокую яму.
Шар катится немного вверх. Тут он замечает (тестирование), что он слишком удаляется от своей цели. Он постоянно забирается все выше, вместо того чтобы забраться глубже. Поэтому он перестает катиться вверх и начинает делать что-то другое (операция). Следовательно, он начинает катиться вниз. Да, так он опускается ниже (ближе к своей цели), тестирование дает положительный результат, поэтому он продолжает действовать таким образом. До тех пор, пока на другой стороне неглубокой ямы он не начинает снова забираться вверх. Тогда тот же самый процесс начинает происходить в обратном направлении. Итак, из-за своего превосходного поведения ТОТЕ он никогда не сможет достичь самой глубокой ямы.
Эта модель ничему не учит
Модель ТОТЕ ничего не привносит в наш опыт. Единственное, что она знает, это то, ведет ли нынешняя операция к достижению цели или нет, и должна ли она быть продолжена или необходимо делать что-то другое. В принципе, она осуществляет действия наугад, так как не обладает памятью. ТОТЕ предлагает нам так называемую систему «trial-and-error», при которой каждый раз все нужно начинать сначала.
ОТ ТОТЕ К SOAR
Обобщая вышесказанное, можно сделать вывод, что модель ТОТЕ достаточно ограниченна. А в связи с тем, что модель ТОТЕ является основным понятием в НЛП, нам бы очень хотелось исправить ее недостатки. Для этого мы можем обратиться к тому, что начиная с сороковых годов появилось в области моделирования с целью целенаправленного действия. Поэтому мы обращаем свое внимание на модель SOAR. SOAR (аббревиатура от State Operator And Result) имеет разумное компьютерное строение. Программы модели SOAR в состоянии разрешать любые проблемы. Кроме того SOAR делает это автономно, другими словами, ей не требуется программист, который говорил бы ей, что ей нужно делать. SOAR не олицетворяет собой разум, присущий человеку, однако SOAR, несомненно, является прогрессом по отношению к модели ТОТЕ.
| Промежуточные стадии между нынешним состоянием и целью |
| Промежуточное состояние 4 |
| Промежуточное состояние 3 |
| Промежуточное состояние 2 |
| Промежуточное состояние 1 |
ПРОСТРАНСТВО ПРОБЛЕМЫ
Ньовелл и Симон предполагают, что любая форма разрешения проблемы состоит из систематического поиска в «пространстве проблемы» («problem space»). Эта идея помимо всего прочего основывается на результатах исследования, во время которого участники исследования говорят, что они думают в то время, когда стараются найти решение проблемы. Результаты данного исследования говорят о наличии некоторого пространства проблемы, которое они создают, и о том, что они занимают определенное место в пределах этого пространства. Пространство проблемы включает в себя все возможные ситуации, имеющие отношение к проблеме, какие только может представить себе человек, занимающийся разрешением данной проблемы. Иными словами, человек, занимающийся разрешением проблемы, формирует символическое воспроизведение всего того, что ему известно в отношении среды, в которой должна быть выполнена эта задача. Если привести в качестве примера игру в шахматы, то в этом случае пространство проблемы будет включать в себя все возможные позиции шахматных фигур на доске. Исходя из определенного состояния (другими словами, определенного положения в пределах пространства проблемы), человек, занимающийся разрешением проблемы, выбирает какое-то действие («оператор»), которое способно преобразить нынешнее состояние в последующее состояние. «Оператор» используется только тогда, гда окончательно определено желаемое состояние (цель). Следовательно, SOAR пересекает пространство проблемы в несколько этапов, от нынешнего состояния к цели.
Ниже приводится сильно упрощенная версия воспроизведения пространства проблемы на примере приготовления горохового супа. Возможные операпии следующие: (а) добавление воды, (б) добавление гороха, и (в) варка. В данной схеме приведены некоторые состояния, к которым приводят данные операции. К примеру, операция «варка» приводит из состояния «пустая кастрюля» к состоянию «кастрюля на огне».
| Упрощённое пространство проблемы на примере приготовления горохового супа |
| Сгоревшая кастрюля с горохом |
| Операции: — Добавление воды — Добавление гороха — Варка |
| Кастрюля с водой и горохом |
| Кастрюля с переливающейся через край водой |
Если модель SOAR — символически впервые пробует приготовить гороховый суп, он, возможно, перельется через край на плигу, если в исходном состоянии «пустая кастрюля» был задействован оператор «варка», а затем в состоянии «сгоревшая кастрюля» был использован оператор «добавление воды». В результате действия модели SOAR зайдут в тупик, выйти из которого можно будет лишь вернувшись назад к исходному положению: снова начать с пустой кастрюли. Модель запоминает эту неудачу, следовательно, в следующий раз она не выберет оператора «варка» применительно к состоянию «пустая кастрюля».
Построение модели SOAR основанное на теории пространства проблемы в общих чертах выглядит следующим образом:
— Формулируется цель.
— Осуществляется поиск в памяти подходящего пространства проблемы.
— Определяется местоположение в пространстве проблемы («состояние»).
— Осуществляется поиск действия («оператора»), способного изменить нынешнее состояние.
— С помощью оператора SOAR занимает новое место в пространстве проблемы (новое «состояние»). В этом состоянии снова осуществляется поиск оператора и т. д.
